面向以用户为中心的群组发现的双意图图建模

在线群组日益普遍，为用户提供分享经验和探索兴趣的空间。因此，以用户为中心的群组发现任务，即向用户推荐群组，有助于提升用户在线体验与平台长期发展。现有推荐方法无法处理该任务，因为将用户-群组参与建模为二部图忽略了其物品侧兴趣。尽管已有少数工作试图解决此任务，它们仍未能充分保留社交上下文并确保有效的兴趣表示学习。在本文中，我们聚焦于探索驱动用户参与群组的意图，其可归类为不同类型，如社交意图与个人兴趣意图。前者指用户受社交链接影响加入群组，后者关乎用户为自我享受与志同道合者加入群组。为理解不同意图，我们提出一种新颖模型 DiRec，先分别建模每种意图再融合以进行预测。具体地，对社交意图，我们引入超图结构建模群组与成员间关系，从而更丰富理解社交上下文。对兴趣意图，我们在交互图上采用新颖结构精炼以揭示更精细用户行为与群组兴趣，实现更好的兴趣表示学习。此外，我们也观察到真实场景中的意图重叠，并设计一种新颖自监督学习损失以鼓励此种对齐用于最终推荐。在三个公开数据集上的大量实验显示 DiRec 相较前沿方法的显著提升。